komoran 1.2(예정)

검색 엔진을 위한 색인기 추가

기존 어절 단위 형태소 분석기 외에 문장 단위 형태소 분석기 추가


komoran1.12

-core library

komoran-1.12.jar


-required library

 shineware-common-lib-1.0.jar


-required datas

datas.zip


[version 1.12 history]

score 계산시 발생하던 버그 수정.

- 정확률 향상

n  기호 및 숫자 등을 제외한 순수 한글 어절 ( 약 17만 어절, 33만 형태소 )

u  어절 정확률 : 92.55% -> 93.04%

u  형태소 별 품사 정확률 : 94.97% -> 95.39%

n  기호 및 숫자 등을 포함한 전체 어절 ( 약 20만 어절, 46만 형태소 )

u  어절 정확률 : 84.36% -> 84.80%

u  형태소 별 품사 정확률 90.81% -> 91.20%


[versiong 1.11 history]

왜 1.11을 건너 뛰었지?!?! ㅠㅠ


[version 1.1 history]

고유 명사 약 50만 단어 추가.

- 웹으로 수집 가능한 고유명사 추가

- 한글 위키피디아에 수록된 단어 목록 추가

기타 불규칙 변환 관련된 버그 수정.

사전 추가에 따라 최소 1G 이상의 메모리를 필요로 합니다. (-Xmx1G)

사용법은 1.0 버전 참조.


komoran 1.0

http://shineware.tistory.com/entry/KOMORAN-10


[상업적인 용도로 사용하실 수 없습니다.]

  1. hare 2013.06.19 17:18 신고

    새로운 버전이 업데이트 되었군요! 축하드립니다.
    혹시 개발하실때 이클립스 쓰시나요? 이클립스 버전에 따라 실행이 되기도 않되기도 해서요.(갈릴레오버전에서는 실행이 안되며, 주노버전에서는 잘되네요. - 이클립스문제일테지만.. 한참을 헤맸네요.ㅎ)
    프로젝트 덩치가 점점커지니 기분이 좋으시겠습니다!!ㅎ

    • shine_ing 2013.06.19 17:29 신고

      감사합니다^^;;
      개발할 때 이클립스를 쓰고 있습니다만, 버전에 따라서 실행이 안되는 점은 생각을 못하고 있었네요. 왜 그럴까요.. 테스트를 한번 해봐야겠네요. 소중한 지적 감사드립니다^^

  2. songyi 2013.06.19 21:14 신고

    안녕하세요 지난번에 앱개발 관련해서 질문했던 이용자입니다 ^^;
    다름이아니라 연동시키기 위해 말씀하신 절대경로를 이용해도 보고 외부 SD카드를 이용해서도 해보았지만 뭐가 문제인지 그 경로 지정해서 객체 만드는부분에서 계속해서 에러가 나네요 ㅠㅠ
    혹시 소스중에 MorphologyAnalyzer의 생성자 부분 코드만이라도 참고좀해볼 수 있을까요 ?

    • shine_ing 2013.06.19 21:59 신고

      사용하시는 부분의 소스를 메일로 보내주시면 확인해드리겠습니다^^;; 혹시 앱 말고 PC에서는 잘동작하는지요?

  3. songyi 2013.06.19 22:43 신고

    public class korean {
    public static int[] music_index = new int[10];
    public static ArrayList<Pair<String, String>> morp = new ArrayList<Pair<String, String>>();
    public static int direct(String inpu) throws Exception {
    File path = Environment.getExternalStorageDirectory();
    String real_path = path.getAbsolutePath();
    MorphologyAnalyzer analyzer = new MorphologyAnalyzer(real_path+"/datas/");

    불러들이는 부분은 대강 이런식입니다. 안드로이드에서 내부 저장장치로는 접근이 안되는거 같아서
    SD카드 넣은 다음에 datas 폴더 만들어서 파일들 넣어놨습니다. 근데 계속 경로를 못찾는건지 죽어버리네요 ㅠ
    자바에서는 위에 사용법대로 패키지안에 datas폴더 만들어서 하면 잘됩니다!

    • shine_ing 2013.06.19 22:57 신고

      안드로이드는 잘 모르지만 sd카드에 있는 데이터를 읽어들이기 위해서는 권한을 설정해줘야 하는거 아닐까요?그래도 안된다면..안드로이드를 기반으로 한 내용이 아니라 어쩔수없을것 같네요^^;;

    • wow 2014.02.19 02:13 신고

      혹시 해결하셨나요?

    • shine_ing 2014.02.19 11:20 신고

      다른 분들의 테스트 결과를 토대로 말씀을 드리자면, SD 카드 경로 및 권한과 관련하여 문제가 발생한 내용이라서, 아마 권한 설정을 해주시면 될 것 같습니다~

    • wow 2014.02.19 23:16 신고

      SD card로 접근하면 GC_FOR_ALLOC freed 에러가 납니다. 즉 heap 영역에서 너무 많은 데이터를 처리하다보니 제대로 읽지 못하는 것 같은데 안드로이드 내부에서 접근하려고 res/raw에 넣으려고 하니 기본적으로 대문자를 못읽어서 안됩니다. 고민입니다. ㅠ 어떤 방법이나 해결책 없을까요?

    • shine_ing 2014.02.20 10:15 신고

      현재 버전 히스토리를 보시면 아시겠지만 1.1 버전 부터 최소 1G 이상의 메모리를 필요로 하고 있씁니다. 이와 관련되서 해결하시려면 1.0 버전을 사용하시는 것을 권고드립니다^^

  4. dalma 2013.07.10 22:53 신고

    아래와 같은 코드를 실행시켰는데 오류가 납니다. 무엇이 잘 못된 것일까요?

    "C:/text/komoran/datas/"폴더에 datas 파일, core, util jar파일을 같이 두었습니다.


    import java.util.List;
    import kr.co.shineware.nlp.komoran.core.MorphologyAnalyzer;
    import kr.co.shineware.util.common.model.Pair;
    import java.io.*;

    public class TEST {

    public static void main(String[] args) {
    MorphologyAnalyzer analyzer = new MorphologyAnalyzer("C:/text/komoran/datas/");
    List<List<Pair<String,String>>> result = analyzer.analyze("감기는 자주 걸리는 병이다");
    for (List<Pair<String,String>> wordResult : result) {
    for (Pair<String,String> pair : wordResult) {
    System.out.println(pair);
    }
    System.out.println();
    }
    }
    }

    오류
    java.util.zip.ZipException: Not in GZIP format
    at java.util.zip.GZIPInputStream.readHeader(Unknown Source)
    at java.util.zip.GZIPInputStream.<init>(Unknown Source)
    at java.util.zip.GZIPInputStream.<init>(Unknown Source)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:61)
    at kr.co.shineware.util.ds.trie.TrieDictionary.load(TrieDictionary.java:113)
    at kr.shineware.nlp.komoran.model.Observation.load(Observation.java:91)
    at kr.shineware.nlp.komoran.model.Observation.<init>(Observation.java:28)
    at kr.co.shineware.nlp.komoran.core.MorphologyAnalyzer.<init>(MorphologyAnalyzer.java:40)
    at TEST.main(TEST.java:10)
    Exception in thread "main" java.lang.ArrayIndexOutOfBoundsException: 1
    at kr.shineware.nlp.komoran.corpus.model.IrregularDictionary.load(IrregularDictionary.java:131)
    at kr.shineware.nlp.komoran.corpus.model.IrregularDictionary.<init>(IrregularDictionary.java:39)
    at kr.co.shineware.nlp.komoran.core.parser.KoreanParser.<init>(KoreanParser.java:52)
    at kr.co.shineware.nlp.komoran.core.MorphologyAnalyzer.<init>(MorphologyAnalyzer.java:44)
    at TEST.main(TEST.java:10)

    • shine_ing 2013.07.11 12:01 신고

      datas/밑에 또 datas/가 있어서 그런게 아닐까 싶네요..^^

  5. 청화(淸華) 2013.08.04 17:18 신고

    shine_ing님의 형태소 분석기 잘 쓰고 있습니다. 감사합니다. ^^

  6. 헤이즐 2013.08.26 14:01 신고

    형태소 분석이 잘 이용하고 있습니다^^
    좋은 프로그램 만들어 주셔서 정말 감사합니다!

    그런데 형태소 분석기를 jsp를 이용해서 웹으로 출력하려고 해보았는데 jsp에서 500번 에러(java.lang.NullPointerException)를 내면서 실행이 안돼더군요. 포스팅되어 있는 소스를 고대로 썼는데, analyzer.analyze("감기는 자주 걸리는 병이다.") 이부분에서 에러가 나더군요. ㅠㅠ 어떤 문제가 있어서 이런지 도통 감이 안잡힙니다ㅠ ㅠ (일반 JAVA 프로젝트에서는 잘 실행되었습니다^^)


    에러의 일부분입니다.
    kr.co.shineware.nlp.komoran.core.parser.KoreanParser.setInitMorph(KoreanParser.java:407)
    kr.co.shineware.nlp.komoran.core.MorphologyAnalyzer.analyze(MorphologyAnalyzer.java:122)

    • 헤이즐 2013.08.30 16:10 신고

      제가 넘 급하게 에러코드를 봤나 봅니다. ㅠㅠ
      웹 프로젝트에서는 상대경로가 잘 지정이 안돼는 것 같더군요 ㅠㅠ
      위 에러도 경로지정이 잘 못되어 뜨던 에러였고요.

      웹프로젝트에서는 서블릿을 만들고 request 객체를 이용해서 아래와 같이 구문을 작성해야 datas파일을 잘 읽어 들였습니다.

      String path = request.getSession().getServletContext().getRealPath("/WEB-INF") + "/";
      MorphologyAnalyzer analyzer = new MorphologyAnalyzer(path + "datas/");

      상황에 따라 실제경로가 달라질 수 있으니 웹 프로젝트에서는 경로를 잘 확인해야 할 것 입니다. ㅠㅠ(이걸로 몇일 고생했네요... 아 시간아..)

  7. 에러 2013.12.23 23:21 신고

    MorphologyAnalyzer analyzer = new MorphologyAnalyzer("datas/");

    이 줄에서 넘어가지 않습니다.

    debug 하면 에러는 따로 뜨지 않고

    마우스를 갖다 대면 이렇게 나오네요.
    datas/폴더 문제는 아닌 것 같습니다.
    Note: This element neither has attached source nor attached Javadoc and hence no Javadoc could be found.

    • 행인 2013.12.24 10:28 신고

      소스 없이 라이브러리만 갖고 디버깅하면 원래 나오는건데.........디버깅 말고 실행을 하셔야하지 않나요? 소스는 공개 안된걸로 아는데...

  8. 지나가다 2014.03.21 16:59 신고

    맨위의 실행 문제는
    이클립스 버전 차이도 있겠지만 JDK/JRE 버전 차이에 따른 것일 수 있습니다.
    라이브러리가 상위 버전에서 생성되면 하위 버전에서 실행 할때 동작이 잘 안되는 경우가 있습니다.
    라이브러리 생성 버전을 배포할때 명시 해 주시고 사용하시는 분들은 라이브러리 생성버전 이상에서 실행하시면 우선 해결 될듯 합니다.

    • shine_ing 2014.03.25 16:28 신고

      감사합니다~ 무슨 문제일까 고민하고 있었는데 그 부분은 생각도 못했었네요 =ㅅ-;;

  9. ㅠㅠ질문요 2014.03.29 21:52 신고

    안녕하세요.
    다운받아서 테스트 해보았습니다. 그런데 기분나쁠때 쓰는 ㅡㅡ있잖아요.
    ㅡ가 고유명사로 인식되는데... 원래 문법상 맞는건가요 개발자님?...
    질문입니다..^^

    • shine_ing 2014.03.31 12:29 신고

      위키피디아의 내용 중에 "ㅡ"가 등록되어 있어서 이런 현상이 나타난 것으로 판단됩니다. 일단은 위와 같은 현상을 해결하기 위해서는 1.0 버전을 사용하시기를 추천드립니다. 더불어서 말씀해주신 내용은 차기 버전에 반드시 포함시키겠습니다. 감사합니다.

  10. 안녕하세요! 2014.04.01 11:39 신고

    안녕하세요. 다운받아서 스프링 환경에서 테스트하고 있는 유저입니다!
    그런데 maven 프로젝트를 이용하다보니, 사용자가 만든 라이브러리를 추가할 때 결함이 있었습니다.
    그래서 maven 폴더에 추가하여 쓰려고 하는데 두 라이브러리의 groupId와 ArtifactId를 가르쳐주실 수 있습니까?? 개발자님 도와주셔요^^

    • shine_ing 2014.04.01 18:28 신고

      먼저 사용해주셔서 감사합니다.
      제가 지식이 부족하여 maven 환경에서 사용해본적이 없네요..그래서 말씀하신 내용이 어떠한 의미인지 정확히 파악이 안되네요. 얼핏 검색해본 결과 maven의 repository에 등록되어 있는 내용만 당겨서 쓸 수 있는 것 같은데..아닌가요? 만약에 맞다면 maven은 지원하지 않는다고 말씀드릴 수 있겠네요 ^^;;

    • 서비 2014.06.13 18:52 신고

      안녕하세요! 님
      메이븐 central 레파지토리에 등록이 안된 라이브러라면 라이브러리를 직접 관리 할 메이븐 레파지토리를 구축하시는 방법도 있습니다.
      세상의 모든 라이브러리가 모두 central에 들어갈 수는 없고 경우에 따라서는 외부로 유출할 수 없는 라이브러리를 따로 관리할 필요가 있으므로 nexus http://www.sonatype.org/nexus/ 등을 를 통해 지엽적인 메이븐 레파지토리를 구성하실 수 있습니다.

  11. 2014.07.11 10:01

    비밀댓글입니다

    • shine_ing 2014.07.11 10:26 신고

      말씀하신 클래스의 package를 보니 komoran에 필요한 library만을 사용하신 것 같네요. 소스 내용을 메일로 보내주시면 확인 후에 답장 드리도록 하겠습니다.

  12. 안녕하세요! 2014.08.10 21:43 신고

    형태소 분리기를 윈도우환경에서 사용하면 잘 돌아가는데
    리눅스 환경에서 돌릴려니까 작동을 안하네요ㅠㅠ
    원래 그런건가요? 아님 제가 다른 설정을 해야하는건가요??

    • shine_ing 2014.08.10 23:06 신고

      리눅스 환경이라도 제대로 동작하는 것을 확인하였습니다~ 혹시 JDK가 깔려있지 않거나 버전이 너무 낮은것은 아닌지요? JDK 1.7이상을 권장드립니다.

    • shine_ing 2014.08.11 09:58 신고

      메일로 답변드린대로 vm 설정관련이 아니라면 답변 부탁드립니다

komoran 1.2(예정)

검색 엔진을 위한 색인기 추가

기존 어절 단위 형태소 분석기 외에 문장 단위 형태소 분석기 추가


komoran 1.1

-core library

komoran-1.1.jar

-required library

shineware-common-lib-1.0.jar

-required data files

data.zip


고유 명사 약 50만 단어 추가.

- 웹으로 수집 가능한 고유명사 추가

- 한글 위키피디아에 수록된 단어 목록 추가

기타 불규칙 변환 관련된 버그 수정.

사전 추가에 따라 최소 1G 이상의 메모리를 필요로 합니다. (-Xmx1G)

사용법은 1.0 버전 참조.


komoran 1.0

http://shineware.tistory.com/entry/KOMORAN-10


  1. Keith Kim 2013.06.13 01:52 신고

    맥 Snow Leopard에서 콘솔에서는 한글이 다 깨져나오는군요. 왜 그런지는 모르겠습니다. 이클립스에서 돌려보니 한글이 바르게 나오긴 합니다만 결과가 1.0버전 페이지에 있는것과 다릅니다. 다음은 1.1에서의 결과입니다:

    Pair [first=안녕하세요, second=NNP]
    Pair [first=?, second=SF]

    Pair [first=좋, second=VA]
    Pair [first=은, second=ETM]

    Pair [first=아침, second=NNG]
    Pair [first=이, second=VCP]
    Pair [first=ㅂ니다, second=EC]
    Pair [first=., second=SF]

    그리고 작은것들이지만:
    - 이 페이지에 있는 data.zip은 1.0버전의 샘플 코드에서는 datas/ 디렉토리를 사용합니다.
    - 샘플코드를 돌리기위해서는 다음의 import를 명시해야 하는데 풀 샘플코드가 올라왔으면 좋겠군요.
    import java.util.List;
    import kr.co.shineware.nlp.komoran.core.MorphologyAnalyzer;
    import kr.co.shineware.util.common.model.Pair;

    • shine_ing 2013.06.13 09:54 신고

      1. 한글 깨짐 현상
      콘솔에서 따로 테스트는 실행해보지 않았습니다만, 기본적으로 UTF-8로 인코딩이 되어 있습니다. 한글이 깨지는건 아마 인코딩 문제이지 않을까 싶네요.

      2, 1.0 버전과 1.1 버전의 결과 차이
      1.1 버전에는 위키피디아에 있는 사전을 추가하였습니다. "안녕하세요"라는 한국 TV 프로그램명이 있는 관계로 고유 명사로 태깅 된 것 같습니다. 추후에 어떤 식으로 반영할지에 대해서 업데이트 하겠습니다 ^^;;

      3. 그 외 작은 것들
      정말 감사드립니다. 제가 이클립스만 사용하다 보니 생각이 많이 짧았네요. 말씀하신대로 예제의 샘플코드와 폴더 이름을 동일하게 하여 다른 분들의 혼동을 미연에 방지하겠습니다^^

      진심으로 감사드립니다~ 앞으로도 지적 부탁드립니다~! ㅎㅎ

  2. origin.R 2013.06.17 20:03 신고

    이렇게 유용한 라이브러리를 만들어주셔서 정말 감사합니다.
    저는 KOMORAN을 웹 컨텐츠를 분석하는데 사용하고 있습니다.
    아주 잘 사용하고 있습니다.

    한가지 궁금한 점이 있는데요,

    MorphologyAnalyzer::analyze 메소드의 리턴 타입이

    List<List<Pair<String,String>>> 인데요,

    여기서, 리스트를 두 개를 쓰신 이유는 n-best 를 표현하려고 하신건가요?

    • shine_ing 2013.06.18 00:46 신고

      아 아직 설명이 많이 미흡했네요..정리하고 있는데도 이 부분을 빼먹었네요ㅠㅠ;; 문장을 입력 단위로 받다보니 List의 List 형태로 구성이 되었습니다. "감기는 자주" 라는 문장을 넣으면, 가장 바깥 List에는 감기는, 자주의 분석 결과가 들어가게 되며 실제 분석 결과는 각각 "감기/VV, 는/ETM", "자주/MAG"가 들어가게 됩니다. 요약하면, 바깥 List는 어절 내부 List는 어절의 분석 결과가 삽입됩니다.

  3. origin.R 2013.06.17 20:55 신고

    로딩 중에 런타임 에러가 생기는 경우가 있습니다.
    5~6번 돌릴 때 한번 씩 생기고 있구요, 에러가 발생하지 않을 경우엔, 정상적인 결과가 나옵니다.
    (참고로, 저는 맥(마운틴라이언)을 쓰고 있으며, 이클립스(주노)에서 작업하고 있습니다. 인코딩은 utf-8로 세팅해놓은 상태입니다.)

    다음은, 에러가 생기는 샘플 코드입니다.


    import java.util.List;
    import kr.co.shineware.nlp.komoran.core.MorphologyAnalyzer;
    import kr.co.shineware.util.common.model.Pair;
    import java.io.*;

    public class exam {
    public static void main(String[] args) {
    System.out.println("Start");
    MorphologyAnalyzer analyzer = new MorphologyAnalyzer("data/");
    System.out.println("Done");
    }
    }


    이 소스코드를 여러번 실행시키다 보면, 런타임 에러가 발생합니다.
    (대략 10번 정도 실행시켜 보시면 에러를 만나실 수 있을겁니다.)

    콜 스택은 다음과 같이 나옵니다.

    Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
    at java.io.ObjectInputStream$HandleTable.grow(ObjectInputStream.java:3462)
    at java.io.ObjectInputStream$HandleTable.assign(ObjectInputStream.java:3269)
    at java.io.ObjectInputStream.readOrdinaryObject(ObjectInputStream.java:1787)
    at java.io.ObjectInputStream.readObject0(ObjectInputStream.java:1348)
    at java.io.ObjectInputStream.readObject(ObjectInputStream.java:370)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:70)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:77)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:77)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:77)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:77)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:77)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:77)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:77)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:77)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:77)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:77)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:77)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:77)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:77)
    at kr.co.shineware.util.ds.trie.TrieNode.load(TrieNode.java:62)
    at kr.co.shineware.util.ds.trie.TrieDictionary.load(TrieDictionary.java:113)
    at kr.shineware.nlp.komoran.model.Observation.load(Observation.java:91)
    at kr.shineware.nlp.komoran.model.Observation.<init>(Observation.java:28)
    at kr.co.shineware.nlp.komoran.core.MorphologyAnalyzer.<init>(MorphologyAnalyzer.java:40)
    at exam.main(exam.java:9)


    또 사용해보다가 궁금한 점이 생기면 말씀드리겠습니다.

    유용한 라이브러리 만들어 주셔서 정말 감사합니다!!

    • shine_ing 2013.06.18 00:48 신고

      위에서 언급한 것과 같이 JVM의 메모리는 1G로 세팅해주셔야 합니다. (-Xmx1G) 그래도 위와 같은 에러가 발생한다면 메모리를 조금 더 주시는 것을 권장합니다^^;;

  4. origin.R 2013.06.19 07:59 신고

    그런 것이었군요. 감사합니다!!

    • shine_ing 2013.06.19 08:50 신고

      도움이 되셨길 바랍니다^^ 추가적으로 금일새로운 버전으로 업데이트 하였으니 새로운 버전을 사용하시는 것을 추천드립니다^^

  5. kim 2017.02.22 17:41 신고

    안녕하세요. komoran으로 많은 도움 주셔서 감사합니다.
    질문이 있는데요.
    grammar.in이나 dic.word에 보면 품사 뒤의 숫자는 어떻게 얻으신 것인지 알 수 있을까요?

    탄로 NNG:10
    앞당겨야 앞당기/VV 어야/EC:1
    VV SS:9,VV:1,

    감사합니다.

    • 행인 2017.02.24 15:35 신고

      세종코퍼스에서 추출해서 얻으셨다고 전에 댓글에서 봤습니다!

1.    KOMORAN?

KOMORAN SHINEWARE SOFT에서 제작한 한국어 형태소 분석기로서 자바 라이브러리 형태(.jar)로 제공됩니다. KOMORAN은 기존 형태소 분석기의 연구 결과들을 바탕으로 하여 속도’, ‘성능’, ‘사전 관리 비용에서 가장 우수한 성능을 낼 수 있도록 설계되었습니다.

 

2.    KOMORAM 특징

KOMORAN은 자소 단위, 확률 기반의 형태소 분석기 입니다. 속도, 성능, 사전 관리 측면에서 기존 형태소 분석기와 차별되는 특징은 아래와 같습니다.

-       속도

n  Hash 기반의 파싱 방법을 적용하여 한글 분석 속도 향상

n  TRIE 기반의 사전 구성으로 사전 재탐색 횟수를 최소화하여 사전 탐색 속도 향상

n  KOMORAN 내부의 자료형(Data Type)을 대부분 정수(Integer)로 처리하여 연산 속도 향상

n  Hash 기반의 Viterbi 알고리즘을 이용하여 분석 후보 탐색 속도 향상

-       성능

n  한글 불규칙 처리 규칙을 자동화하여 불규칙 어절 대한 분석 정확률 향상

n  TRIE 및 압축된 사전 정보를 사용하여 메모리 사용률 최소화

-       사전 관리

n  사용자 사전을 추가하여 신조어, 고유명사 등의 분석 가능

n  기분석 사전을 적용하여 정확률 및 분석 속도 향상 가능

 

3.    KOMORAN 성능 평가

KOMORAN의 성능을 평가하기 위해 아래와 같이 속도 및 정확률에 대한 실험을 진행하였습니다.

-       속도 평가

n  평가에 사용된 컴퓨터 Spec.

u  프로세서 : 2.3GHz Intel Core i5

u  메모리 : 8GB 1600MHz DDR3

n  초당 2만 어절 분석(word/sec)

n  초당 4천 문장 분석(line/sec)

n  초당 0.2MB 분석(MB/sec)

-       정확률 평가

n  기호 및 숫자 등을 제외한 순수 한글 어절 ( 17만 어절, 33만 형태소 )

u  어절 정확률 : 92.55%

u  형태소 별 품사 정확률 : 94.97%

n  기호 및 숫자 등을 포함한 전체 어절 ( 20만 어절, 46만 형태소 )

u  어절 정확률 : 84.36%

u  형태소 별 품사 정확률 90.81%

 

4.    사용 방법

KOMORAN을 사용하기 위해서는 먼저 komoran 라이브러리와 common 라이브러리를 다운로드 받아야 합니다. KOMORAN 라이브러리는 아래 경로에서 다운로드 받으실 수 있습니다.

-       Core library  

komoran-1.0.jar


-       Require library  

shineware-common-1.0.jar


-       Require data files 

datas.zip


 

(1)   기본적인 사용 방법

 

//Require files 가 저장된 루트 폴더를 지정하여 객체 생성

MorphologyAnalyzer analyzer = new MorphologyAnalyzer("datas/");

                    

List<List<Pair<String,String>>> result = analyzer.analyze("안녕하세요? 좋은 아침입니다.");

                    

for (List<Pair<String, String>> eojeolResult : result) {

                     for (Pair<String, String> wordMorph : eojeolResult) {

                                System.out.println(wordMorph);

                     }

                     System.out.println();

}

위 소스를 실행한 결과는 아래와 같습니다.

 

Pair [first=안녕, second=NNG]

Pair [first=, second=XSV]

Pair [first=, second=EP]

Pair [first=어요, second=EC]

Pair [first=?, second=SF]

          

Pair [first=, second=VA]

Pair [first=, second=ETM]

 

Pair [first=아침, second=NNG]

Pair [first=, second=VCP]

Pair [first=ㅂ니다, second=EC]

Pair [first=., second=SF]

 

(2)   기분석 사전 적용

기분석 사전은 아래와 같이 setFWD(“기분석 사전 파일명”)을 이용하여 적용 가능합니다.

MorphologyAnalyzer analyzer = new MorphologyAnalyzer("datas/");

//기분석 사전 적용

analyzer.setFWD("fwd.txt");

 

기분석 사전의 파일 구조는 아래와 같습니다.

n  구조

u  [분석할 어절]\t[분석 결과]

n  Example

수입불가      수입/NNG+불가/NNG

사람이라고   사람/NNG+/VCP+라고/EC

 

(3)   사용자 사전 적용

사용자 사전은 아래와 같이 setUserDic(“사용자 사전 파일명”)을 이용하여 적용가능합니다.

//Require files 가 저장된 루트 폴더를 지정하여 객체 생성

MorphologyAnalyzer analyzer = new MorphologyAnalyzer("datas/");

//사용자 사전 적용

analyzer.setUserDic("userDic.txt");

 

사용자 사전의 구조는 아래와 같습니다.

n  구조

u  [단어]\t[품사]

u  시작 기호 ‘#’로 주석처리 가능

n  Example

#주석은 라인의 가장 앞에 #을 표시하여 사용

싸이콘서트   NNP

네이버        NNG

 

5.    문의 사항

KOMORAN과 관련된 문의 사항은 ceo@shineware.co.kr로 연락주시기 바랍니다.

  1. 유총재 2013.05.19 23:49 신고

    또 업데이트가 되었군요!

    감사히 잘 사용하고 있습니다!^^

    • shine_ing 2013.05.20 00:32 신고

      사용해주셔서 감사합니다^^
      좋은 연구 많이 하시길 바라겠습니다^^

  2. hare 2013.05.20 11:35 신고

    오!!! 추가된 기능이 후덜덜하군요. 깔끔하게 잘 됩니다.
    버전 1.0 으로 올라온것 축하드립니다.

    • shine_ing 2013.05.20 11:39 신고

      감사합니다^^ 많이 사용해주시고 버그 및 개선 사항 제안도 많이 해주세요^^

  3. 이상형 2013.05.28 18:50 신고

    안녕하세요. 한글파싱을 찾다가 여기까지왔습니다.
    너무너무 반가운 프로그램이내요
    졸업프로젝트때문에 코드분석해서 빅데이터코드에 적용하고싶은데 소스코드알려주실수있나요?
    부탁드립니다.
    4513zxc@daum.net

    • shine_ing 2013.05.28 19:39 신고

      안녕하세요~소스코드 공개는 현재로써는 조금 힘들것 같습니다^^;;빅데이터 처리를 위해 내부에 넣는다고 하셨는데 내부에 넣기에는 너무 크지 않나 싶네요^^;;

  4. 오산돌구 2013.05.29 13:37 신고

    회사에서 사용하는거랑 비교 해 봐야겠어요 : )
    이 멋진걸 혼자 만드셨다니....대단하십니다.
    잘 만드셔서 원래 목적에 도달하셨으면 좋겠네요~

    • shine_ing 2013.05.29 14:26 신고

      과찬이십니다..ㅠ
      현재 기분석 사전이랑 기타 고유 명칭들이 전혀 포함되어 있지 않아서 상용화된 형태소 분석기보다는 아마 성능이 떨어질 것 같네요. 나중에 회사에서 비교해보신 후 그 결과를 저도 알 수 있을까요? ^^;; 염치 없지만 부탁드립니다 ㅠㅠ

  5. 오산돌구 2013.05.31 07:42 신고

    뉴스랑 블로그글이랑 긁어서 속도랑 원하는 결과가 나오는지 확인하면 될까요?
    형태소분석에 대해서 원리는 하나도 모릅니다.;;;
    이번에 저도 형태소 분석기에 대해 공부해보려고 하는데 shine_ing님의 라이브러리를 잘 활용해야겠네요
    형태소 분석기관련해서 공부하다 궁금한게 있으면 여쭤봐도 될까요?

    • shine_ing 2013.05.30 23:05 신고

      말씀 해주신대로 확인해주시면 정말 감사하죠^^;;
      사실 KOMORAN이 상용화 서비스에 이용이 가능할지에 대해서 판단을 하려면 실제 상용화된 형태소 분석기와의 비교가 필요한데 개인적으로는 조금 어렵네요^^;;
      형태소 분석 관련되서 저도 잘은 모르지만..도움을 드릴 수 있다면 최대한 도와드리겠습니다^^;

  6. songyi 2013.06.14 14:45 신고

    이런걸 개발하시다니 정말 대단하십니다. ㅠㅠ
    이 형태소분석기를 학교프로젝트에서 진행중인 안드로이드 개발에 포함을 하려고하는데
    MorphologyAnalyzer analyzer = new MorphologyAnalyzer("datas/");
    여기 부분에서 계속 디버깅에러가 나네요. ㅠㅠ
    안드로이드에서는 폴더설정을 다르게 해야하는건가요

    • shine_ing 2013.06.14 15:20 신고

      감사합니다^^;;
      글쎄요 안드로이드에서 진행해본적은 없지만 자바로만 짜여진 소스로 돌아갈 것 같네요..저 경로를 상대경로가 아닌 절대경로로 한번 줘보시겠어요? 해보시고 알려주세요^^;;

  7. t-man 2013.07.02 20:35 신고

    안녕하세요? 만들어 주신 프로그램, 잘 쓰고 있습니다.

    두 가지 질문인데요.

    1. 형용사들이 XR로 태깅됩니다. 깔끔, 간결, 강렬, 상큼 등등이요. VA가 맞지 않을까요?
    한두개가 아니고 거의 대부분이 XR로 되는 것 같은 느낌입니다.

    2. 사용자 사전은 정확히 어떻게 적용이 되는지요?
    위의 문제 해결을 위해, 제가 직접 형용사들을 VA로 태깅해서 파일을 만들어 써 봤는데, 적용이 안되고 여전히 XR로 나오더라고요. 즉, 기존 사전에 있는 단어는 기존 사전 기준으로 태깅이 되는 것인가요?

    감사합니다.

    • shine_ing 2013.07.03 11:36 신고

      안녕하세요. 이용해주셔서 감사합니다. 먼저 가장 최근 버전을 사용하시길 권장해드립니다 ^^:;

      질문에 대한 답변을 드리겠습니다.

      1. 깔끔, 간결, 강렬, 상큼은 어근(XR) 개념으로 보시는게 맞을 것 같습니다.
      달리다, 아릅답다 등과 같이 뒤에 활용형이 떨어질 수 없는 부분에 대해서만 VA가 맞는 것 같습니다.

      2. 사용자 사전이 입력에 입력이 되면 사용자 사전먼저 우선순위를 갖게 됩니다. 그러나 문법적 확률로 인해 문법에 어긋나는 경우에는 사용자 사전이 적용되지 않습니다. VA로 태깅을 하신 후 해당 단어만 입력을 해보시면 적용이 되었는지 확인하실 수 있으십니다. "깔끔 \t VA"를 입력하신 후 깔끔을 넣어보셨을 때 VA로 태깅되는지 확인해보시면 될 것 같습니다^^

  8. t-man 2013.07.03 15:43 신고


    답변 감사합니다!!!

    그런데 깔끔하다, 간결하다 등은 품사가 형용사이고, 깔끔이나 간결은 형용사의 어근 아닌가요.
    형태소 분석기 소프트웨어의 용도를 고려해 보면, 이들을 그냥 '어근'이라고 태깅해 주면 좀 곤란할 것 같아요. 어근은 또 품사가 아니기도 하고요. 아무튼, 어근이라는 태그는 그 자체로는 정보량이 적어서 큰 의미가 없으니까요.

    그 다음에, 사용자 사전의 경우는 정확히는 모르겠지만 대충 말씀하신 작동을 이해하겠습니다. 그런데 사용자 사전을 사용해야 하는 경우를 세심히 고려해 보면, 문법과 무관하게 사용자의 의도대로 품사가 태깅되는 옵션이 있었으면 좋겠습니다. 특히 형태소 분석기 소프트웨어가 아무리 뛰어나도 역시 사람만큼 정확히 문장 분석을 하기 힘들다는 점을 고려해 보면 특정한 단어들에 대해서 문법 오류를 override하면서 사용자가 제시한 품사로 태깅되게 해 주면 좋을 것 같아요. 이를테면 '단어 /t VA F' 처럼 표기하면 override할 수 있게 하는 거죠.

    아무튼, 소프트웨어 너무 감사드리고요, 제 제안 좀 고려해 주시길 부탁드립니다. :) 감사 감사.

    • shine_ing 2013.07.03 16:55 신고

      안녕하세요. 좋은 의견감사합니다. 현재 버전에서는 당장 힘들 것 같고, 추후 버전에서 사용될 수 있도록 업데이트를 고려해보겠습니다. 소중한 의견 진심으로 감사드립니다^^

  9. hijh19 2018.02.20 17:26 신고

    안드로이드 스튜디오에서 형태소를 돌려보고 싶어서 asset 도 만들고,libs에 파일도 추가했는데 어떻게 해야하는지 잘 모르겠어요 ㅠ 혹시 안드로이드 스튜디오에서 형태소 돌리는 방법도 포스팅 하실 계획이 있으신가요 ?

보통은 dos2unix 명령어를 사용하면 되지만, 상황이 여의치 않는 경우에 perl을 이용하여 사용할 수 있다.


 perl -pe "s/\r//" target > result

'Tip > Linux' 카테고리의 다른 글

^M 삭제  (0) 2013.05.02
vi 문자열 치환  (0) 2013.04.30
잘 되던 파일 처리 프로그램에서 한글이 물음표로 표시 될 때  (0) 2013.04.25
리눅스 crontab 한글 깨짐 현상  (0) 2013.03.13
리눅스 shell로 파일 전송하기  (2) 2013.01.07

문서 내 해당되는 모든 문자열 치환


:%s/[old]/[new]/g

'Tip > Linux' 카테고리의 다른 글

^M 삭제  (0) 2013.05.02
vi 문자열 치환  (0) 2013.04.30
잘 되던 파일 처리 프로그램에서 한글이 물음표로 표시 될 때  (0) 2013.04.25
리눅스 crontab 한글 깨짐 현상  (0) 2013.03.13
리눅스 shell로 파일 전송하기  (2) 2013.01.07

아마 대부분의 공개 api는 json이나 xml 형태를 지원할 것입니다.


Open api를 이용하여 재밌는 것 좀 해볼까해서 XML 파서를 이용하기로 했습니다.


먼저 DocumentBuilder를 사용하여 XML을 Document 형태로 가져왔습니다.

잘 가져왔나 내용을 확인하기 위해서 그냥 Document Object를 출력해봤습니다.


Document doc = xxxxxxxxx;


System.out.println(doc);


그랬더니 원했던 결과가 나오지 않습니다.


구글링을 한 결과 아래와 같은 방법으로 XML 형태의 Document를 String으로 변환 할 수 있었습니다.


TransformerFactory tf = TransformerFactory.newInstance();

Transformer transformer = tf.newTransformer();

transformer.setOutputProperty(OutputKeys.OMIT_XML_DECLARATION, "yes");

StringWriter writer = new StringWriter();

transformer.transform(new DOMSource(doc), new StreamResult(writer));

String output = writer.getBuffer().toString();

System.out.println(output);

자바로 만든 형태소 분석기를 리눅스에서 잘 사용하다가, 어느날 갑자기 한글이 물음표로 표시되는 상황을 겪게 되었습니다.


이유인 즉슨 LC_ALL에 대한 환경 설정을 변경한적이 있는데 이를 다시 unset 해주니 원래대로 잘 실행되었습니다.


요약!!


증상 및 환경

프로그램 실행 시 한글이 깨진다. 그러나 인코딩은 잘 세팅이 되어 있다.


해결 방법

echo $LC_ALL 을 실행.

만약 현재 인코딩과 다른 결과가 출력 된다면 (ex : C) 아래 명령어 실행.

unset LC_ALL

'Tip > Linux' 카테고리의 다른 글

^M 삭제  (0) 2013.05.02
vi 문자열 치환  (0) 2013.04.30
잘 되던 파일 처리 프로그램에서 한글이 물음표로 표시 될 때  (0) 2013.04.25
리눅스 crontab 한글 깨짐 현상  (0) 2013.03.13
리눅스 shell로 파일 전송하기  (2) 2013.01.07

+ Recent posts